返回资讯中心
外部精选
ai-models
#研究进展#模型发布#Agentic AI#AI Agents#Context Engineering#Editors Pick

The Letter Company发布Letterpress-1,面向增长工程的编码智能体

来源标题:The Letter Company Releases Letterpress-1: A Coding Agent Built for Growth Engineering

The Letter Company推出增长工程编码智能体、工具框架与IDE Letterpress-1的beta版。它能读取基于git的网站及其市场情况,针对SEO、GEO和转化工作发起pull request。该产品运行在Letter托管平台上,据称设置时间不超过5分钟,月费100美元起、超额按标价5倍计费,目前没有公开基准测试。

MarkTechPostMichal Sutter2026/11/3 · 2 天前14 分钟阅读

以下正文由 AI 翻译自 MarkTechPost(原文版权归原站所有),可能存在偏差,重要内容请以原文为准。

The Letter Company 发布了 Letterpress-1 的 beta 版本,这是一款面向增长工程的编码 agent、harness 与 IDE。Letterpress-1 编码 agent 会读取网站及其市场信息,然后决定应该构建什么。它在沙箱中构建变更,并提交一个带实时预览的 pull request。

TL;DR

  • 规模:Letter 团队表示,它将前沿模型与微调的小模型相结合;具体名称和规模未披露。
  • 运行方式:在 Letter 的托管平台上针对你的 git 仓库运行。无需本地 GPU。据 Letter 称,设置时间不到 5 分钟。
  • 性能:没有公开 benchmark。Letter 展示了一个自报告的、与 Codex 并排构建页面的对比。
  • 最佳:通过 1 个 registry 经 MCP、REST 和 CLI 暴露 760 个工具。
  • 最差:没有可衡量的 eval;入门套餐为每月 $100,超额按标价的 5 倍计费。

什么是 Letterpress-1?

Letterpress-1 是 The Letter Company 推出的一款增长工程 agent。它将网站和市场信号转化为 pull request。The Letter Company 团队认为,网站与 app 不同,会对来自外部的力量做出反应。这些力量包括 agent 行为、Google 排名、人类访问和竞争对手活动。通用编码 agent 是为扩展代码库而构建的,而不是为响应这些信号而构建的。 该 agent 面向将营销网站托管在 git 中的团队。它是主动式的:会建议下一步应该构建什么。示例包括去匿名化、落地页、预热邮件、博客自动化和 agent 遥测。

Letterpress-1 如何工作?

Letterpress-1 以 3 种模式运行:

  • Build:根据 prompt 创建页面或功能,并保持品牌文案和视觉一致。
  • Plan:选择一个目标,获得增长行动的构建计划。
  • Fix:发现网站问题并派发 pull request 进行修复。 每个变更都遵循相同的循环。agent 读取网站,在沙箱中规划和构建。它审查自己的变更,然后提交 pull request。每个变更都会返回你自己网站的预览链接。在你选择预览、pull request 或在检查通过后合并之前,任何变更都不会落地。 Letter 团队列出了 6 个界面。这些是 Web 平台、Slack app、letterpress CLI 和网站门户。一个独立 app 和你自己的 agent 补全了这个列表。站内 IDE 可在实时页面上工作。按 ⌘L,在你能看到的位置编辑文本,随后就会生成 pull request。Showcase 示例还涵盖了基于实时编辑的 A/B 测试。 对于开发者,agents.md 记录了位于 app.letterstory.com/api/mcp 的 MCP server,使用 OAuth。MCP manifest、OpenAPI spec 和 API reference 构成了 1 个包含 760 个工具的 registry。Claude Code、Codex 或任何支持 MCP 的 agent 都可以调用该 app 使用的相同函数。

什么是 Proofs、Simulations、Benches 和 Phantoms?

发布文章重点介绍了 4 个原语,旨在争取将 AI agent 作为买家:

  • Proofs:客户成功的签名证据,由遥测和账单数据构建,面向 agent 访问者。
  • Simulations:你的 API 或 MCP 的镜像版本,带有模拟数据,以便 agent 在购买前试用。
  • Benches:自托管、可复现的 benchmark app,带有开源代码和独立治理。
  • Phantoms:独立、自主的博客,用于沙箱化增长策略。 网站还增加了更多内容:Kernels、Letterbases、Visitors 和 Mailers。然后它会监视竞争对手的 sitemap 并标记新页面。Letter 团队将这些定位为 G2、Semrush、Profound、RB2B 和 Instantly 等工具的替代品。

Letterpress-1 与 Codex、Claude Code 和 Cursor 相比如何?

FeatureLetterpress-1OpenAI CodexClaude CodeCursor Built forGrowth engineering on git-hosted sitesGeneral codingGeneral codingGeneral coding (editor and agents) Entry paid plan$100/month, 10,000 tokensGo $8/month; Plus $20/monthPro $20/month ($17 annual)Plus $8/month (Grok models only) Free access5,000 one-time tokens (6,000 with work email)Free plan, $0Not in Free planFree plan, limited agent requests BillingToken pool; agent runs at model cost + 20%Plan limits, credits or API keyShared plan usage or API creditsWeekly pool; third-party models at API list price ModelsFrontier plus fine-tuned small models (not named)GPT-6.1 Sol, GPT-6 Luna and othersOpus, Sonnet, Haiku; Fable via creditsGrok models; third-party at API price Built-in growth primitivesProofs, Simulations, Benches, Phantoms, Visitors, Mailers, SeersNone listedNone listedNone listed

Letterpress-1 多少钱?

Letter 按 1 个共享 token 池计费。按标价,1 个 token 等于 1 美分。套餐为 Basic($100,10,000 tokens)、Starter($500,50,000)、Growth($1,000,130,000)和 Scale($2,500,400,000)。Enterprise 起价为每月 200 万 tokens,按标价的一半计费。 Agent 运行成本为模型支出加 20%,每个 pull request 通常为 150 到 900 个 tokens。按标价计算为 $1.50 到 $9。一篇已发布文章的成本为 1,030 个 tokens。Basic 和 Starter 的超额费用为每 1,000 个 tokens $50,是标价的 5 倍。未使用的 tokens 不结转。

关键要点

  • Letterpress-1 是为增长工程构建的编码 agent、harness 和 IDE。
  • 每个变更都以沙箱化的 pull request 形式交付,并附带预览链接。
  • 760 个工具通过 MCP、REST 和 CLI 暴露给外部 agent。
  • 定价从每月 $100 起;agent 运行成本为模型支出加 20%。
  • 尚无公开 benchmark;质量声明均为自报告。 查看产品页面、定价、showcase、agents.md 以及 X 上的发布文章。也欢迎在 Twitter 上关注我们,别忘了加入我们 150k+ 的 ML SubReddit 并订阅我们的 Newsletter。等等!你在 Telegram 上吗?现在你也可以在 Telegram 上加入我们。 需要与我们合作推广你的 GitHub Repo 或 Hugging Face Page 或产品发布或 Webinar 等?联系我们 文章 The Letter Company Releases Letterpress-1: A Coding Agent Built for Growth Engineering 首先出现在 MarkTechPost 上。

正文由 探How 从来源站点 RSS 同步,内容未经改写;遇到排版缺失或需要图片、视频时请以原文为准。

打开原文
去社区讨论 →